用于应对非侵入式负荷监测中低采样率的数据增强方法
信号处理
2021-04-06 v1 机器学习
摘要
数据在评估 NILM（非侵入式负荷监测）算法性能方面具有重要作用。NILM 算法的最佳性能是在高质量评估数据下取得的。然而，许多现有真实数据集采样质量较低，且常存在缺失，某些记录时段缺乏数据。因此，在这类数据中，NILM 算法难以正确识别电器并估算其功耗。改善这些能量分解方法性能的重要一步是提升数据集质量。本文中，我们使用多种方法开展实验以提高低采样率数据的采样率。结果表明，低频率数据的增强能够支持所考虑的 NILM 算法以更高的 F-score 度量估算电器功耗。
引用
@article{arxiv.2104.02055,
title = {Data augmentation for dealing with low sampling rates in NILM},
author = {Tai Le Quy and Sergej Zerr and Eirini Ntoutsi and Wolfgang Nejdl},
journal= {arXiv preprint arXiv:2104.02055},
year = {2021}
}
备注
10 pages, 3 figures, 6 tables